CN109086734B - 一种对人眼图像中瞳孔图像进行定位的方法及装置 - Google Patents
一种对人眼图像中瞳孔图像进行定位的方法及装置 Download PDFInfo
- Publication number
- CN109086734B CN109086734B CN201810934979.8A CN201810934979A CN109086734B CN 109086734 B CN109086734 B CN 109086734B CN 201810934979 A CN201810934979 A CN 201810934979A CN 109086734 B CN109086734 B CN 109086734B
- Authority
- CN
- China
- Prior art keywords
- point
- determining
- sampling
- image
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了对瞳孔图像定位的方法及装置,方法包括:S0:在人眼图像中确定初始像素点为原点;S1:根据原点确定若干射线,计算构成射线的各个像素点的像素梯度幅值,将大于预设阈值的像素梯度幅值对应的像素点确定为参考像素点;S2:根据参考像素点与原点之间的间隔距离,确定若干个可疑边缘点,并确定可疑边缘点所对应的几何中心像素点;S3:检测本次确定的几何中心像素点与前次确定的历史几何中心像素点间的距离是否小于设定数值,是则执行S5;否则执行S4;S4:将几何中心像素点确定为新的原点并执行S1;S5:根据可疑边缘点拟合目标椭圆模型以标记瞳孔图像的位置。本发明的技术方案,可更为准确的对瞳孔图像进行定位。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种对人眼图像中瞳孔图像进行定位的方法及装置。
背景技术
实现人脸识别或虹膜识别时,通常需要对人眼图像携带的瞳孔图像进行定位,即在人眼图像中标记出瞳孔图像的位置。
目前,对人眼图像携带的瞳孔图像进行定位时,通常采用垂直方向灰度梯度积分投影方式及水平方向灰度梯度积分投影方式在人眼图像中确定出瞳孔图像的若干个边缘点,将各个边缘点所对应的几何中心确定为瞳孔中心,并根据瞳孔中心及各个边缘点标记人眼图像中瞳孔图像的位置。
上述技术方案中,确定的各个边缘点中可能存在睫毛、眼睑所造成的大量噪声点,将导致确定的瞳孔中心距离瞳孔图像的真实中心差距过大,根据确定的瞳孔中心及各个边缘点标记瞳孔图像的位置时,则无法对人眼图像携带的瞳孔图像进行准确定位。
发明内容
本发明提供一种对人眼图像中瞳孔图像进行定位的方法及装置,可更为准确的对人眼图像中携带的瞳孔图像进行定位。
第一方面,本发明提供了一种对人眼图像中瞳孔图像进行定位的方法,包括:
S0:在待处理人眼图像中确定初始像素点,并将所述初始像素点作为原点;
S1:根据所述原点在所述待处理人眼图像中确定出若干条射线,计算构成每一条所述射线的各个像素点的像素梯度幅值,并将大于预设阈值的各个所述像素梯度幅值所分别对应的像素点确定为参考像素点;
S2:根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,并确定各个所述可疑边缘点所对应的几何中心像素点;
S3:检测本次确定的所述几何中心像素点与前次确定的历史几何中心像素点之间的距离值是否小于设定数值,若是,则执行S5;否则,执行S4;
S4:将所述几何中心像素点确定为历史几何中心像素点,将所述几何中心像素点确定为新的原点,并执行S1;
S5:根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
优选地,
所述根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置,包括:
A0:根据各个所述可疑边缘点拟合初始椭圆模型;
A1:从各个所述可疑边缘点中随机选择至少三个采样边缘点,确定至少三个所述采样边缘点分别对应在所述初始椭圆模型上的采样切线,并根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心;
A2:针对各个所述可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,根据所述非采样边缘点、所述非采样边缘点对应在所述初始椭圆模型上的切线、各个所述采样边缘点及各条所述采样切线确定校准瞳孔中心;
A3:针对每一个所述校准瞳孔中心,当所述校准瞳孔中心与所述采样瞳孔中心的间隔距离不大于设定距离时,将所述校准瞳孔中心所对应的非采样边缘点确定为可信边缘点;
A4:确定各个所述可信边缘点的第一总量与各个所述可疑边缘点的第二总量之间的比值,并检测所述比值是否小于设定阈值,若是,则执行A1;否则,执行A5;
A5:根据各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
优选地,
所述根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心,包括:
根据所述初始椭圆模型,确定每两个相邻的所述采样边缘点之间的中点;
针对于每一个所述中点,确定对应于所述中点的两个所述采样边缘点所分别对应的所述采样切线的交点,并确定出所述中点及所述交点所在的直线;
根据最小二乘法计算出所述人眼图像中距离各条所述直线距离最近的极距点,并将所述极距点确定为采样瞳孔中心。
优选地,
所述根据各个所述可信边缘点拟合目标椭圆模型,包括:
B0:利用各个所述可信边缘点形成可信集合;
B1:根据所述可信结合中包括的各个所述可信边缘点拟合过渡椭圆模型;
B2:计算所述可信集合中包括的每一个所述可信边缘点分别与所述过渡椭圆模型之间的代数距离;
B3:根据各个所述代数距离以及所述可信集合中包括的可信边缘点的可信总量计算平均拟合偏差,根据所述平均拟合偏差确定偏差阈值;
B4:针对于每一个所述可疑边缘点,检测所述可疑边缘点与所述过渡椭圆模型之间的代数距离,当所述可疑边缘点与所述过渡椭圆模型之间的代数距离大于所述偏差阈值时,将所述可疑边缘点确定为噪声点,并利用未被确定为噪声点的各个所述边缘点形成新的可信集合;
B5:检测本次形成的可信集合与前次形成的可信集合是否完全相同,若是,则执行B6;否则,执行B1;
B6:将本次形成可信集合时所对应的过渡椭圆模型确定为目标椭圆模型。
优选地,
所述根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,包括:
检测各个所述参考像素点分别与所述原点之间的间隔距离;
计算各个所述间隔距离的期望值和标准差;
根据所述期望值和所述标准差所各个所述间隔距离中提取若干个目标间隔距离;
将各个所述目标间隔距离所分别对应的参考像素点确定为可疑边缘点。
优选地,
在所述在待处理人眼图像中确定初始像素点之前,进一步包括:
采集视频图像;
对所述视频图像的每一帧原始图像分别进行滤波处理以得到每一帧所述原始图像所分别对应的预处理图像;
从每一张所述预处理图像中分别提取当前所述预处理图像携带的待处理人眼图像。
优选地,
在所述在待处理人眼图像中确定初始像素点之前,还包括:
依次选择一张未被选择的待处理人眼图像,并确定选择的待处理人眼图像在视频图像中对应的帧序号;
则,所述在待处理人眼图像中确定初始像素点,包括:
当所述帧序号为1时,将选择的所述待处理人眼图像的几何中心确定为初始像素点;或,当所述帧序号大于1时,根据前次选择的待处理人眼图像所携带的瞳孔图像的瞳孔中心,在所述待处理人眼图像中确定出初始像素点。
优选地,
所述S5进一步包括,将所述几何中心像素点确定为所述待处理人眼图像中携带的瞳孔图像的瞳孔中心。
第二方面,本发明提供了一种对人眼图像中瞳孔图像进行定位的装置,包括:
初始点确定模块,用于在待处理人眼图像中确定初始像素点,并将所述初始像素点作为原点;
边缘点检测模块,用于根据所述原点在所述待处理人眼图像中确定出若干条射线,计算构成每一条所述射线的各个像素点的像素梯度幅值,并将大于预设阈值的各个所述像素梯度幅值所分别对应的像素点确定为参考像素点;
噪声点过滤模块,用于根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,并确定各个所述可疑边缘点所对应的几何中心像素点;
中心检测模块,用于检测本次确定的所述几何中心像素点与前次确定的历史几何中心像素点之间的距离值是否小于设定数值,若是,则触发模型拟合模块;否则,触发过渡处理模块;
所述过渡处理模块,用于将所述几何中心像素点确定为历史几何中心像素点,将所述几何中心像素点确定为新的原点,并触发所述边缘点检测模块;
所述模型拟合模块,用于根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
优选地,
所述模型拟合模块,包括:预处理单元、采样处理单元、校准处理单元、可信处理单元、检测处理单元及标记处理单元;其中,
所述预处理单元,用于根据各个所述可疑边缘点拟合初始椭圆模型;
所述采样处理单元,用于从各个所述可疑边缘点中随机选择至少三个采样边缘点,确定至少三个所述采样边缘点分别对应在所述初始椭圆模型上的采样切线,并根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心;
所述校准处理单元,用于针对各个所述可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,根据所述非采样边缘点、所述非采样边缘点对应在所述初始椭圆模型上的切线、各个所述采样边缘点及各条所述采样切线确定校准瞳孔中心;
所述可信处理单元,用于针对每一个所述校准瞳孔中心,当所述校准瞳孔中心与所述采样瞳孔中心的间隔距离不大于设定距离时,将所述校准瞳孔中心所对应的非采样边缘点确定为可信边缘点;
所述检测处理单元,用于确定各个所述可信边缘点的第一总量与各个所述可疑边缘点的第二总量之间的比值,并检测所述比值是否小于设定阈值,若是,则触发所述采样处理单元;否则,触发所述表计处理单元;
所述表计处理单元,用于根据各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
优选地,
还包括:图像采集模块、滤波处理模块及图像提取模块;其中,
所述图像采集模块,用于采集视频图像;
所述滤波处理模块,用于对所述视频图像的每一帧原始图像分别进行滤波处理以得到每一帧所述原始图像所分别对应的预处理图像;
所述图像提取模块,用于从每一张所述预处理图像中分别提取当前所述预处理图像携带的待处理人眼图像。
本发明提供了一种对人眼图像中瞳孔图像进行定位的方法及装置,该方法中,在第一阶段,首先将待处理人眼图像中的一个初始像素点作为原点,然后根据原点在待处理人眼图像中确定出多条射线,计算构成每一条射线的各个像素点的像素梯度幅值,由于人眼图像中瞳孔图像的边缘点与其他像素点之间的像素梯度幅值相对较大,因此可将大于预设阈值的各个像素梯度幅值所分别对应的像素点确定为参考像素点,即实现从人眼图像中筛选出一部分可能为瞳孔图像边缘点的参考像素点,后续的,由于人眼图像中噪声点与原点之间的间隔距离相对于瞳孔图像真实边缘点与原点之间的距离差距较大,因此可根据各个参考像素点分别与原点之间的间隔距离,从各个参考像素点中确定出若干个可疑边缘点,实现去除各个参考像素点中不是瞳孔图像边缘点的一部分噪声点,在确定出去除一部分噪声点而剩余的各个可疑边缘点的几何中心像素点之后,则可将该几何中心点作为一个新的原点,重复执行前述各个步骤相似的方法,当本次及前次分别确定的几何中心像素点之间的距离值小于设定数值,即说明相邻两次确定几何中心像素点时,两组可疑边缘点所分别对应的瞳孔中心(几何中心像素点)极为趋近或重合于人眼图像中瞳孔图像的瞳孔中心,也说明本次确定几何中心像素点时所对应的各个可疑边缘点中已经没有明显的噪声点,实现大量减少了混入各个可疑边缘点中的噪声点;在第二阶段,根据各个可疑边缘点拟合目标椭圆模型,通过目标椭圆模型标记人眼图像中瞳孔图像的位置,不再依赖于各个可疑边缘点所对应的几何中心像素点,降低了混入各个可疑边缘点中的剩余(且少量)噪声点对定位结果所造成的影响;综上所述,通过第一阶段大量减少混入可疑边缘点中的噪声点的数量,同时通过第二阶段降低混入可疑边缘点中的少量噪声点对定位结果的影响程度,可更为准确的对人眼图像中携带的瞳孔图像进行定位。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种对人眼图像中瞳孔图像进行定位的方法的流程示意图;
图2为本发明一实施例提供的一种根据选择的采样边缘点以及拟合的初始椭圆模型确定采样瞳孔中心的示意图;
图3为本发明一实施例提供的一种对人眼图像中瞳孔图像进行定位的装置的结构示意图;
图4为本发明一实施例提供的另一种对人眼图像中瞳孔图像进行定位的装置结构示意图;
图5为本发明一实施例中提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种对人眼图像中瞳孔图像进行定位的方法,包括:
S0:在待处理人眼图像中确定初始像素点,并将所述初始像素点作为原点;
S1:根据所述原点在所述待处理人眼图像中确定出若干条射线,计算构成每一条所述射线的各个像素点的像素梯度幅值,并将大于预设阈值的各个所述像素梯度幅值所分别对应的像素点确定为参考像素点;
S2:根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,并确定各个所述可疑边缘点所对应的几何中心像素点;
S3:检测本次确定的所述几何中心像素点与前次确定的历史几何中心像素点之间的距离值是否小于设定数值,若是,则执行S5;否则,执行S4;
S4:将所述几何中心像素点确定为历史几何中心像素点,将所述几何中心像素点确定为新的原点,并执行S1;
S5:根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
如图1所示的实施例,在第一阶段,首先将待处理人眼图像中的一个初始像素点作为原点,然后根据原点在待处理人眼图像中确定出多条射线,计算构成每一条射线的各个像素点的像素梯度幅值,由于人眼图像中瞳孔图像的边缘点与其他像素点之间的像素梯度幅值相对较大,因此可将大于预设阈值的各个像素梯度幅值所分别对应的像素点确定为参考像素点,即实现从人眼图像中筛选出一部分可能为瞳孔图像边缘点的参考像素点,后续的,由于人眼图像中噪声点与原点之间的间隔距离相对于瞳孔图像真实边缘点与原点之间的距离差距较大,因此可根据各个参考像素点分别与原点之间的间隔距离,从各个参考像素点中确定出若干个可疑边缘点,实现去除各个参考像素点中不是瞳孔图像边缘点的一部分噪声点,在确定出去除一部分噪声点而剩余的各个可疑边缘点的几何中心像素点之后,则可将该几何中心点作为一个新的原点,重复执行前述各个步骤相似的方法,当本次及前次分别确定的几何中心像素点之间的距离值小于设定数值,即说明相邻两次确定几何中心像素点时,两组可疑边缘点所分别对应的瞳孔中心(几何中心像素点)极为趋近或重合于人眼图像中瞳孔图像的瞳孔中心,也说明本次确定几何中心像素点时所对应的各个可疑边缘点中已经没有明显的噪声点,实现大量减少了混入各个可疑边缘点中的噪声点;在第二阶段,根据各个可疑边缘点拟合目标椭圆模型,通过目标椭圆模型标记人眼图像中瞳孔图像的位置,不再依赖于各个可疑边缘点所对应的几何中心像素点,降低了混入各个可疑边缘点中的剩余(且少量)噪声点对定位结果所造成的影响;综上所述,通过第一阶段大量减少混入可疑边缘点中的噪声点的数量,同时通过第二阶段降低混入可疑边缘点中的少量噪声点对定位结果的影响程度,可更为准确的对人眼图像中携带的瞳孔图像进行定位。
上述实施例中,像素点所对应的梯度幅值,具体指的是沿射线传播方向,后一个像素点的像素值与前一个像素点的像素值之间的绝对差值;举例来说,以9*9像素的人眼图像为例,若原点是(5,5),针对于根据该原点确定的一条水平向右传播的射线,若人眼图像中构成该射线的像素点依次是(5,5)、(5,6)、(5,7)、(5,8)、(5,9),针对于一个像素点(5,6),其像素梯度幅值即为人眼图像中像素点(5,6)的像素值与像素点(5,5)的像素值之间的绝对差值。
显而易见的,循环执行S1至S4时,前次循环所确定的历史几何中心像素点即为本次循环以确定几何中心像素点时步骤S1中所述的原点。
基于如图1所示的实施例,本发明一个优选实施例中,所述根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置,包括:
A0:根据各个所述可疑边缘点拟合初始椭圆模型;
A1:从各个所述可疑边缘点中随机选择至少三个采样边缘点,确定至少三个所述采样边缘点分别对应在所述初始椭圆模型上的采样切线,并根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心;
A2:针对各个所述可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,根据所述非采样边缘点、所述非采样边缘点对应在所述初始椭圆模型上的切线、各个所述采样边缘点及各条所述采样切线确定校准瞳孔中心;
A3:针对每一个所述校准瞳孔中心,当所述校准瞳孔中心与所述采样瞳孔中心的间隔距离不大于设定距离时,将所述校准瞳孔中心所对应的非采样边缘点确定为可信边缘点;
A4:确定各个所述可信边缘点的第一总量与各个所述可疑边缘点的第二总量之间的比值,并检测所述比值是否小于设定阈值,若是,则执行A1;否则,执行A5;
A5:根据各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
该实施例中,首先根据各个可疑边缘点拟合初始椭圆模型,然后则可从各个可疑边缘点中随机选择出至少三个采样边缘点,并确定出各个采样边缘点分别对应在初始椭圆模型上的采样切线,进而根据各个采样边缘点及各条采样切线确定出各个采样边缘点所对应的采样瞳孔中心;后续过程中,针对于各个可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,则可根据该非采样边缘点、非采样边缘点对应在初始椭圆模型上的切线、各个采样边缘点及各条采样切线确定校准瞳孔中心;校准瞳孔中心与采样瞳孔中心之间的间隔距离越小,则说明当选择的各个采样边缘点为人眼图像中瞳孔图像的真实边缘点时,该校准瞳孔中心所对应的非采样边缘点为人眼图像中瞳孔图像的真实边缘点的概率越高,反之,则说明该校准瞳孔中心所对应的非采样边缘点为人眼图像中瞳孔图像的真实边缘点的概率越低,因此,针对确定的每一个校准瞳孔中心,当校准瞳孔中心与采样瞳孔中心的间隔距离不大于设定距离时,则可将校准瞳孔中心所对应的非采样边缘点确定为可信边缘点,显而易见的,未被确定为可信边缘点的非采样边缘点相对于选择的各个采样边缘点即为噪声点;由于确定的各个可疑边缘点中噪声点已经在第一阶段中被大量去除,混入各个可疑边缘点的噪声点数量应当远少于人眼图像中瞳孔图像的真实边缘点数量,因此,在确定出相对于各个采样边缘点的全部可信边缘点的第一总量与各个边缘点的第二总量之间的比值时,该比值越大,则说明选择的各个采样边缘点为人眼图像中瞳孔图像的真实边缘点的概率越高,反之,则说明选择的各个采样边缘点为人眼图像中瞳孔图像的真实边缘点的概率越低,相应的,当确定的比值小于设定阈值时,则可对采样边缘点进行重新选择并执行前述相似的方法以进一步去除各个可疑边缘点中混入的噪声点,直到确定的比值不小于设定阈值时,才根据再次去除噪声点后剩余的各个可信边缘点拟合目标椭圆模型以标记人眼图像中瞳孔图像的位置,从而降低混入各个可疑边缘点中的噪声点对定位结果的影响程度,实现更为准确的对人眼图像中的瞳孔图像进行定位。
需要说明的是,从确定的各个可疑边缘点中随机选择至少三个采样边缘点并进行后续的业务处理时,选择的采样边缘点的数量越多,则涉及的计算量越大,因此,为了减少计算量,以便更为快速而准确的对人眼图像中携带的瞳孔图像进行定位,每次选择采样边缘点的数量可以是3个。
需要说明的是,该实施例中所述的采样边缘点对应在初始椭圆模型上的采样切线,具体存在如下两种情况A和B:
A,采样边缘点位于拟合的初始椭圆模型上,此时,采样边缘点对应在初始椭圆模型上的采样切线指的是该采样边缘点在初始椭圆模型上的切线。
B,采样边缘点并非位于拟合的初始椭圆模型上,此时,需要确定出拟合的初始椭圆模型上距离该采样边缘点的代数距离最近的一个近距点,采样边缘点对应在初始椭圆模型上的采样切线指的是与该采样边缘点对应的近距点在初始椭圆模型上的切线。
基于前述实施例,本发明一个实施例中,所述根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心,包括:
根据所述初始椭圆模型,确定每两个相邻的所述采样边缘点之间的中点;
针对于每一个所述中点,确定对应于所述中点的两个所述采样边缘点所分别对应的所述采样切线的交点,并确定出所述中点及所述交点所在的直线;
根据最小二乘法计算出所述人眼图像中距离各条所述直线距离最近的极距点,并将所述极距点确定为采样瞳孔中心。
通过该实施例提供的方法具体实现步骤A1中根据各个采样边缘点及各条采样切线确定采样瞳孔中心时,若选择的各个采样边缘点均为人眼图像中携带的瞳孔图像的真实边缘点,确定的采样瞳孔中心则应极为趋近或重合于瞳孔图像的真实瞳孔中心,以便后续过程中去除各个可疑边缘点中混入的噪声点而提取出较大概率为瞳孔图像的真实边缘点的可信边缘点。具体地,后续过程中以选择的各个采样边缘点为基础通过相似的方法确定每一个非采样边缘点所分别对应的校准瞳孔中心时,非采样边缘点所对应的校准瞳孔中心与该采样瞳孔中心之间的距离越近,则说明该采样边缘点是瞳孔图像的真实边缘点的概率越高,反之,则说明非采样边缘点是噪声点的概率越高。
举例来说,请参考图2,以从各个各边缘点中提取三个采样边缘点M1、M2、M3为例,在确定出M1、M2、M3分别对应在初始椭圆模型上的采样切线之后,可确定出M1与M2所分别对应的采样切线的交点P2、M1与M3所分别对应的采样切线的交点P1以及M2与M3所分别对应的采样切线的交点P3;根据初始椭圆模型可确定出M1与M2相邻、M2与M3相邻、M1与M3相邻,可进一步确定出相邻的采样边缘点M1与M2之间的中点X点、相邻的采样边缘点M1与M3之间的中点Y点以及相邻的采样边缘点M2与M3之间的中点Z点;相应的,针对于中点X,可确定对应于中点X的两个采样边缘点M1、M2所分别对应的采样切线的交点P2,进而确定出中点X及交点P2所在的直线L2,通过相似的方法可确定出中点Y及交点P1所在的直线直线L1以及中点Z及交点P3所在直线L3;后续过程中,则可通过最小二乘法或其他算法计算出人眼图像中距离直线L1、L2及L最近的极距点,该极距点即为采样边缘点M1、M2、M3所对应的采样瞳孔中心O。
需要说明的是,图2中瞳孔中心为L1、L2、L3的交点,在实际业务场景中,L1、L2、L3可能并不存在共同交点,此时,即需要通过最小二乘法或其他算法计算出人眼图像中距离直线L1、L2及L最近的极距点。
具体地,基于前述实施例,在一种可能实现的方式中,所述根据各个所述可信边缘点拟合目标椭圆模型,包括:
B0:利用各个所述可信边缘点形成可信集合;
B1:根据所述可信结合中包括的各个所述可信边缘点拟合过渡椭圆模型;
B2:计算所述可信集合中包括的每一个所述可信边缘点分别与所述过渡椭圆模型之间的代数距离;
B3:根据各个所述代数距离以及所述可信集合中包括的可信边缘点的可信总量计算平均拟合偏差,根据所述平均拟合偏差确定偏差阈值;
B4:针对于每一个所述可疑边缘点,检测所述可疑边缘点与所述过渡椭圆模型之间的代数距离,当所述可疑边缘点与所述过渡椭圆模型之间的代数距离大于所述偏差阈值时,将所述可疑边缘点确定为噪声点,并利用未被确定为噪声点的各个所述边缘点形成新的可信集合;
B5:检测本次形成的可信集合与前次形成的可信集合是否完全相同,若是,则执行B6;否则,执行B1;
B6:将本次形成可信集合时所对应的过渡椭圆模型确定为目标椭圆模型。
该实现方式中,在循环执行B1至B5时,本次循环所计算的平均拟合偏差可以与本次循环所形成的过渡椭圆模型相结合以独立衡量每一个边缘点相对于该过渡椭圆模型是否为噪声点;具体地,可根据平均拟合偏差确定偏差阈值,当一个可疑边缘点与过渡椭圆模型之间的代数距离大于该偏差阈值时,则说明该可疑边缘点相对于本次形成的过渡椭圆模型是噪声点,反之,则可将其确定为可信边缘点(即将其确定为人眼图像中瞳孔图像的真实边缘点),如此,可实现将各个可疑边缘点中一部分被错误的界定为噪声点的可疑边缘点重新确定为可信边缘点,以及确定出被错误的确定为可信边缘点的噪声点,从而利用未被确定为噪声点的各个可疑边缘点形成新的可信集合;针对形成的新的可信集合循环执行前述方法,直到相邻两次形成的可信集合完全相同时,则说明本次循环所得到的可信集合中已经完整而准确的去除了各个可疑边缘点中的噪声点,本次形成的可信集合中的各个可信边缘点均应当为人眼图像中瞳孔图像的真实边缘点,相应的,将本次形成可信集合时所对应的过渡椭圆模型确定为目标椭圆模型,并通过该目标椭圆模型标记人眼图像中携带的瞳孔图像时,则更为有效的避免了噪声点对定位结果造成的影响,可更加准确的对人眼图像中携带的瞳孔图像进行定位。
该实施例中,平均拟合偏差具体指的是本次形成的可信集合中每一个可信边缘点分别与本次形成的过渡椭圆模型之间的代数距离的平均值。
该实施例中,每一次形成偏差阈值时,本次形成的偏差阈值通常是本次计算的平均拟合偏差的1至2倍,具体倍数可结合实际业务场景进行调整。
在本发明一个优选实施例中,为了防止混入可以边缘点中的噪声点依然过多,无法快速选择出多个具有较高概率是人眼图像中瞳孔图像的真实边缘点的采样边缘点,从而导致无法对人眼图像中携带的瞳孔图像进行快速定位,本发明一个优选实施例中,还包括:
记录每一次确定的所述比值,以及记录连续确定的各个所述比值连续小于所述设定阈值的循环次数;
当所述循环次数达到设定数值时,从记录的各个所述比值中选择出数值最大的目标比值;
根据确定所述目标比值时所对应的各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
该实施例中,通过记录确定的各个比值,并记录连续确定的各个比值连续小于设定阈值的循环次数,当连续未能选择出多个具有较高概率是人眼图像中瞳孔图像的真实边缘点的采样边缘点的次数达到设定数值时,即连续确定的各个比值连续小于设定阈值的循环次数达到设定数值时,由于每一次确定的比值大小,直接反应本次确定比值时所对应选择的各个采样边缘点为人眼图像中瞳孔图像的真实边缘点的概率高低,因此,可从记录的各个比值中选择出数值最大的目标比值,根据确定该目标比值时所对应的各个可信边缘点拟合目标椭圆模型,进而通过目标椭圆模型标记人眼图像中瞳孔图像的位置,避免在较长的时间内无法选择出合适的多个采样边缘点而导致无法对人眼图像中携带的瞳孔图像进行快速定位。
基于如图1所示的实施例,本发明一个优选实施例中,所述根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,包括:
检测各个所述参考像素点分别与所述原点之间的间隔距离;
计算各个所述间隔距离的期望值和标准差;
根据所述期望值和所述标准差所各个所述间隔距离中提取若干个目标间隔距离;
将各个所述目标间隔距离所分别对应的参考像素点确定为可疑边缘点。
该实施例中,由于在实际业务场景中,检测的各个参考像素点中噪声点的数量会远低于瞳孔图像的真实边缘点的数量,且多数噪声点与原点之间的间隔距离相对于瞳孔图像的各个真实边缘点与原点的之间的间隔距离差异较大,而瞳孔图像的不同真实边缘点分别与原点之间的间隔距离差异较小,通过检测出各个参考像素点分别与原点之间的间隔距离,并计算出各个间隔距离的期望值和标准差,由各个间隔距离构成的数据集中,若一个当前间隔距离对该数据集的离散程度影响越大,则说明该当前间隔距离所对应的参考像素点为噪声点的概率越高,因此,可根据计算的期望值和标准差确定出各个间隔距离中对离散程度较大的噪声间隔距离,提取出未被确定为噪声间隔距离的各个目标间隔距离,并将各个目标间隔距离所分别对应的参考像素点作为可疑边缘点,实现去除各个参考像素点中混入的大量噪声点。
举例来说,以循环执行一次S1至S4为例,计算出参考像素点A、B、C、D、E分别与原点O之间的间隔距离依次是19、20、21、20、35为例,计算出这些间隔距离的期望值以及标准差之后,得到的标准差大于相应的参考值,则说明各个间隔距离的离散程度过高,即说明各个参考像素点中可能存在噪声点;此时,根据计算的期望值与各个间隔距离之间的差值,可确定出对数据集的离散程度影响较大的间隔距离包括“35”,即间隔距离“35”所对应的参考像素点为噪声点的概率较高,可去除噪声间隔距离“35”,提取未被确定为噪声间隔距离的其他四个目标间隔距离,并将这四个目标间隔距离所分别对应的参考像素点确定为可疑边缘点。
一般的,以计算出这些距离值的期望值u和标准差δ为例,具体可以去除与原点之间的间隔距离大于u+1.5δ或者小于u-1.5δ的参考像素点,未被去除的各个参考像素点即为可疑边缘点。
基于前述任一实施例,本发明一个优选实施例中,在所述在待处理人眼图像中确定初始像素点之前,进一步包括:
采集视频图像;
对所述视频图像的每一帧原始图像分别进行滤波处理以得到每一帧所述原始图像所分别对应的预处理图像;
从每一张所述预处理图像中分别提取当前所述预处理图像携带的待处理人眼图像。
通过该实施例中,可实现对连续采集的视频图像图像中的每一帧原始图像分别携带的瞳孔图像进行定位。
该实施例中,可预先采集用于人脸检测和人眼检测的样本图像,结合样本图像的Haar-Like矩形特征以及Adaboost算法训练出人脸检测模型和人眼检测模型;在采集到视频图像之后,由于摄像机等图像采集设备中各个电子元件的自身质量问题以及拍摄环境中光照强度的影响,视频图像的每一帧原始图像中均可能存在着一定程度的外部噪声,因此,可首先针对视频图像的每一帧原始图像进行预处理,具体可以对原始图像进行滤波处理,实现去除加性、椒盐、高斯等外部噪声,避免这些噪声掩盖图像的原始信息,从而增强原始图像的信噪比,得到每一帧原始图像所分别对应的预处理图像;进一步的,则可针对得到的每一张预处理图像,首先使用训练的人脸检测模型在当前原始图像中定位出人脸位置(即实现标记出人脸图像在当前预处理图像上的位置),然后利用训练的人眼检测模型来确定人眼部位于标记的人脸图像上的位置,从而提取出当前预处理图像所携带的人眼图像(即待处理人眼图像)。
进一步的,当需要对视频图像中每一帧原始图像所分别对应的人眼图像进行处理,以提取多张人眼图像中分别携带的瞳孔图像的可疑边缘点,并实现对瞳孔图像进行定位时,为了节约处理时间,提高处理效率,本发明一个实施例中,所述S5进一步包括:将所述几何中心像素点确定为所述待处理人眼图像中携带的瞳孔图像的瞳孔中心。
举例来说,当需要对一张待处理人眼图像携带的瞳孔图像进行定位时,若待处理人眼图像所对应的原始图像为采集的视频图像的第一帧,在步骤S5中进一步将几何中心像素点确定为待处理人眼图像中携带的瞳孔图像的瞳孔中心之后,以该瞳孔中心在待处理人眼图像中对应的像素坐标是(x,y)为例,当需要对视频图像中第二帧原始图像所对应的当前人眼图像进行处理,以确定当前人眼图像中携带的瞳孔图像的可疑边缘点时,则可将当前人眼图像中的像素点(x,y)确定为初始像素点,该初始像素点在当前人眼图像中趋近于当前人眼图像中携带的瞳孔图像的瞳孔中心,将当前人眼图像中的像素点(x,y)作为原点,并进行后续的处理时,可更为快速而准确的确定出当前人眼图像携带的瞳孔图像的可疑边缘点。
相应的,本发明一个优选实施例中,在所述在待处理人眼图像中确定初始像素点之前,还包括:
依次选择一张未被选择的待处理人眼图像,并确定选择的待处理人眼图像在视频图像中对应的帧序号;
则,所述在待处理人眼图像中确定初始像素点,包括:
当所述帧序号为1时,将选择的所述待处理人眼图像的几何中心确定为初始像素点;或,当所述帧序号大于1时,根据前次选择的待处理人眼图像所携带的瞳孔图像的瞳孔中心,在所述待处理人眼图像中确定出初始像素点。
需要说明的是,为了避免用户的睫毛以及眼睑在人眼图像中形成的极为趋近于瞳孔边缘点的噪声点被大量而错误的确定为参考像素点,当帧序号大于1,在待处理人眼图像中确定出初始像素点之后,本发明一个优选实施例中,在待处理人脸图像中将该初始像素点作为原点并确定若干条射线时,由该原点引出的各条射线在水平方向上的偏移角度位于-30度至30度及150度至210度之间。
基于与本发明方法实施例相同的构思,请参考图3,本发明实施例提供了一种对人眼图像中瞳孔图像进行定位的装置,包括:
初始点确定模块301,用于在待处理人眼图像中确定初始像素点,并将所述初始像素点作为原点;
边缘点检测模块302,用于根据所述原点在所述待处理人眼图像中确定出若干条射线,计算构成每一条所述射线的各个像素点的像素梯度幅值,并将大于预设阈值的各个所述像素梯度幅值所分别对应的像素点确定为参考像素点;
噪声点过滤模块303,用于根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,并确定各个所述可疑边缘点所对应的几何中心像素点;
中心检测模块304,用于检测本次确定的所述几何中心像素点与前次确定的历史几何中心像素点之间的距离值是否小于设定数值,若是,则触发模型拟合模块306;否则,触发过渡处理模块305;
所述过渡处理模块305,用于将所述几何中心像素点确定为历史几何中心像素点,将所述几何中心像素点确定为新的原点,并触发所述边缘点检测模块;
所述模型拟合模块306,用于根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
本发明一个优选实施例中,所述模型拟合模块306,包括:预处理单元、采样处理单元、校准处理单元、可信处理单元、检测处理单元及标记处理单元;其中,
所述预处理单元,用于根据各个所述可疑边缘点拟合初始椭圆模型;
所述采样处理单元,用于从各个所述可疑边缘点中随机选择至少三个采样边缘点,确定至少三个所述采样边缘点分别对应在所述初始椭圆模型上的采样切线,并根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心;
所述校准处理单元,用于针对各个所述可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,根据所述非采样边缘点、所述非采样边缘点对应在所述初始椭圆模型上的切线、各个所述采样边缘点及各条所述采样切线确定校准瞳孔中心;
所述可信处理单元,用于针对每一个所述校准瞳孔中心,当所述校准瞳孔中心与所述采样瞳孔中心的间隔距离不大于设定距离时,将所述校准瞳孔中心所对应的非采样边缘点确定为可信边缘点;
所述检测处理单元,用于确定各个所述可信边缘点的第一总量与各个所述可疑边缘点的第二总量之间的比值,并检测所述比值是否小于设定阈值,若是,则触发所述采样处理单元;否则,触发所述表计处理单元;
所述表计处理单元,用于根据各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
请参考图4,本发明一个优选实施例中,所述装置还包括:图像采集模块401、滤波处理模块402及图像提取模块403;其中,
所述图像采集模块401,用于采集视频图像;
所述滤波处理模块402,用于对所述视频图像的每一帧原始图像分别进行滤波处理以得到每一帧所述原始图像所分别对应的预处理图像;
所述图像提取模块403,用于从每一张所述预处理图像中分别提取当前所述预处理图像携带的待处理人眼图像。
图5是本发明的一个实施例电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,也可从其它设备上获取相应的计算机程序,以在逻辑层面上形成对人眼图像中瞳孔图像进行定位的装置。处理器,执行存储器所存放的程序,以通过执行的程序实现本发明任一实施例中提供的对人眼图像中瞳孔图像进行定位的装置。
上述如本发明图5所示实施例提供的对人眼图像中瞳孔图像进行定位的装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行本发明任一实施例中提供的对人眼图像中瞳孔图像进行定位的方法,并具体用于执行如图1所示的方法。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元或模块分别描述。当然,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (7)
1.一种对人眼图像中瞳孔图像进行定位的方法,其特征在于,包括:
S0:在待处理人眼图像中确定初始像素点,并将所述初始像素点作为原点;
S1:根据所述原点在所述待处理人眼图像中确定出若干条射线,计算构成每一条所述射线的各个像素点的像素梯度幅值,并将大于预设阈值的各个所述像素梯度幅值所分别对应的像素点确定为参考像素点;
S2:根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,并确定各个所述可疑边缘点所对应的几何中心像素点;
S3:检测本次确定的所述几何中心像素点与前次确定的历史几何中心像素点之间的距离值是否小于设定数值,若是,则执行S5;否则,执行S4;
S4:将所述本次确定的几何中心像素点确定为历史几何中心像素点,将所述本次确定的几何中心像素点确定为新的原点,并执行S1;
S5:根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置,具体包括:
A0:根据各个所述可疑边缘点拟合初始椭圆模型;
A1:从各个所述可疑边缘点中随机选择至少三个采样边缘点,确定至少三个所述采样边缘点分别对应在所述初始椭圆模型上的采样切线,并根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心,具体包括:
根据所述初始椭圆模型,确定每两个相邻的所述采样边缘点之间的中点;
针对于每一个所述中点,确定对应于所述中点的两个所述采样边缘点所分别对应的所述采样切线的交点,并确定出所述中点及所述交点所在的直线;
根据最小二乘法计算出所述人眼图像中距离各条所述直线距离最近的极距点,并将所述极距点确定为采样瞳孔中心;
A2:针对各个所述可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,根据所述非采样边缘点、所述非采样边缘点对应在所述初始椭圆模型上的切线、各个所述采样边缘点及各条所述采样切线确定校准瞳孔中心;
A3:针对每一个所述校准瞳孔中心,当所述校准瞳孔中心与所述采样瞳孔中心的间隔距离不大于设定距离时,将所述校准瞳孔中心所对应的非采样边缘点确定为可信边缘点;
A4:确定各个所述可信边缘点的第一总量与各个所述可疑边缘点的第二总量之间的比值,并检测所述比值是否小于设定阈值,若是,则执行A1;否则,执行A5;
A5:根据各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
2.根据权利要求1所述的方法,其特征在于,
所述根据各个所述可信边缘点拟合目标椭圆模型,包括:
B0:利用各个所述可信边缘点形成可信集合;
B1:根据所述可信结合中包括的各个所述可信边缘点拟合过渡椭圆模型;
B2:计算所述可信集合中包括的每一个所述可信边缘点分别与所述过渡椭圆模型之间的代数距离;
B3:根据各个所述代数距离以及所述可信集合中包括的可信边缘点的可信总量计算平均拟合偏差,根据所述平均拟合偏差确定偏差阈值;
B4:针对于每一个所述可疑边缘点,检测所述可疑边缘点与所述过渡椭圆模型之间的代数距离,当所述可疑边缘点与所述过渡椭圆模型之间的代数距离大于所述偏差阈值时,将所述可疑边缘点确定为噪声点,并利用未被确定为噪声点的各个所述边缘点形成新的可信集合;
B5:检测本次形成的可信集合与前次形成的可信集合是否完全相同,若是,则执行B6;否则,执行B1;
B6:将本次形成可信集合时所对应的过渡椭圆模型确定为目标椭圆模型。
3.根据权利要求1所述的方法,其特征在于,
所述根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,包括:
检测各个所述参考像素点分别与所述原点之间的间隔距离;
计算各个所述间隔距离的期望值和标准差;
根据所述期望值和所述标准差所各个所述间隔距离中提取若干个目标间隔距离;
将各个所述目标间隔距离所分别对应的参考像素点确定为可疑边缘点。
4.根据权利要求1至3中任一所述的方法,其特征在于,
在所述在待处理人眼图像中确定初始像素点之前,进一步包括:
采集视频图像;
对所述视频图像的每一帧原始图像分别进行滤波处理以得到每一帧所述原始图像所分别对应的预处理图像;
从每一张所述预处理图像中分别提取当前所述预处理图像携带的待处理人眼图像。
5.根据权利要求4所述的方法,其特征在于,
在所述在待处理人眼图像中确定初始像素点之前,还包括:
依次选择一张未被选择的待处理人眼图像,并确定选择的待处理人眼图像在视频图像中对应的帧序号;
则,所述在待处理人眼图像中确定初始像素点,包括:
当所述帧序号为1时,将选择的所述待处理人眼图像的几何中心确定为初始像素点;或,当所述帧序号大于1时,根据前次选择的待处理人眼图像所携带的瞳孔图像的瞳孔中心,在所述待处理人眼图像中确定出初始像素点;
和/或,
所述S5进一步包括,将所述几何中心像素点确定为所述待处理人眼图像中携带的瞳孔图像的瞳孔中心。
6.一种对人眼图像中瞳孔图像进行定位的装置,其特征在于,包括:
初始点确定模块,用于在待处理人眼图像中确定初始像素点,并将所述初始像素点作为原点;
边缘点检测模块,用于根据所述原点在所述待处理人眼图像中确定出若干条射线,计算构成每一条所述射线的各个像素点的像素梯度幅值,并将大于预设阈值的各个所述像素梯度幅值所分别对应的像素点确定为参考像素点;
噪声点过滤模块,用于根据各个所述参考像素点分别与所述原点之间的间隔距离,从各个所述参考像素点中确定出若干个可疑边缘点,并确定各个所述可疑边缘点所对应的几何中心像素点;
中心检测模块,用于检测本次确定的所述几何中心像素点与前次确定的历史几何中心像素点之间的距离值是否小于设定数值,若是,则触发模型拟合模块;否则,触发过渡处理模块;
所述过渡处理模块,用于将所述本次确定的几何中心像素点确定为历史几何中心像素点,将所述本次确定的几何中心像素点确定为新的原点,并触发所述边缘点检测模块;
所述模型拟合模块,用于根据各个所述可疑边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置;所述模型拟合模块,具体包括:预处理单元、采样处理单元、校准处理单元、可信处理单元、检测处理单元及标记处理单元;其中,所述预处理单元,用于根据各个所述可疑边缘点拟合初始椭圆模型;所述采样处理单元,用于从各个所述可疑边缘点中随机选择至少三个采样边缘点,确定至少三个所述采样边缘点分别对应在所述初始椭圆模型上的采样切线,并根据各个所述采样边缘点及各条所述采样切线确定采样瞳孔中心,具体包括:根据所述初始椭圆模型,确定每两个相邻的所述采样边缘点之间的中点;针对于每一个所述中点,确定对应于所述中点的两个所述采样边缘点所分别对应的所述采样切线的交点,并确定出所述中点及所述交点所在的直线;根据最小二乘法计算出所述人眼图像中距离各条所述直线距离最近的极距点,并将所述极距点确定为采样瞳孔中心;所述校准处理单元,用于针对各个所述可疑边缘点中未被选择为采样边缘点的每一个非采样边缘点,根据所述非采样边缘点、所述非采样边缘点对应在所述初始椭圆模型上的切线、各个所述采样边缘点及各条所述采样切线确定校准瞳孔中心;所述可信处理单元,用于针对每一个所述校准瞳孔中心,当所述校准瞳孔中心与所述采样瞳孔中心的间隔距离不大于设定距离时,将所述校准瞳孔中心所对应的非采样边缘点确定为可信边缘点;所述检测处理单元,用于确定各个所述可信边缘点的第一总量与各个所述可疑边缘点的第二总量之间的比值,并检测所述比值是否小于设定阈值,若是,则触发所述采样处理单元;否则,触发所述标记处理单元;所述标记处理单元,用于根据各个所述可信边缘点拟合目标椭圆模型,通过所述目标椭圆模型标记所述人眼图像中瞳孔图像的位置。
7.根据权利要求6所述的装置,其特征在于,
还包括:图像采集模块、滤波处理模块及图像提取模块;其中,
所述图像采集模块,用于采集视频图像;
所述滤波处理模块,用于对所述视频图像的每一帧原始图像分别进行滤波处理以得到每一帧所述原始图像所分别对应的预处理图像;
所述图像提取模块,用于从每一张所述预处理图像中分别提取当前所述预处理图像携带的待处理人眼图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810934979.8A CN109086734B (zh) | 2018-08-16 | 2018-08-16 | 一种对人眼图像中瞳孔图像进行定位的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810934979.8A CN109086734B (zh) | 2018-08-16 | 2018-08-16 | 一种对人眼图像中瞳孔图像进行定位的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109086734A CN109086734A (zh) | 2018-12-25 |
CN109086734B true CN109086734B (zh) | 2021-04-02 |
Family
ID=64793428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810934979.8A Active CN109086734B (zh) | 2018-08-16 | 2018-08-16 | 一种对人眼图像中瞳孔图像进行定位的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086734B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832344B (zh) * | 2019-04-17 | 2023-10-24 | 深圳熙卓科技有限公司 | 一种动态瞳孔检测方法及装置 |
CN110349203B (zh) * | 2019-07-15 | 2023-05-09 | 深圳市威尔德医疗电子有限公司 | 一种超声设备及其超声图像中血管直径的测量方法 |
CN110348408A (zh) * | 2019-07-16 | 2019-10-18 | 上海博康易联感知信息技术有限公司 | 瞳孔定位方法及装置 |
CN110619628B (zh) * | 2019-09-09 | 2023-05-09 | 博云视觉(北京)科技有限公司 | 一种人脸图像质量评估方法 |
CN110807427B (zh) * | 2019-11-05 | 2024-03-01 | 中航华东光电(上海)有限公司 | 一种视线追踪方法、装置、计算机设备和存储介质 |
CN111339982A (zh) * | 2020-03-05 | 2020-06-26 | 西北工业大学 | 一种基于特征的多级瞳孔中心定位技术实现方法 |
CN113160161B (zh) * | 2021-04-14 | 2023-07-11 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
CN113379744B (zh) * | 2021-08-12 | 2021-11-19 | 山东大拇指喷雾设备有限公司 | 基于图像处理的喷嘴装置表面缺陷检测方法与*** |
CN116503387B (zh) * | 2023-06-25 | 2024-03-26 | 聚时科技(深圳)有限公司 | 图像检测方法、装置、设备、***及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774863A (zh) * | 2016-12-03 | 2017-05-31 | 西安中科创星科技孵化器有限公司 | 一种基于瞳孔特征实现视线追踪的方法 |
CN108197622A (zh) * | 2017-12-26 | 2018-06-22 | 新智数字科技有限公司 | 一种车牌检测方法、装置以及设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6144754A (en) * | 1997-03-28 | 2000-11-07 | Oki Electric Industry Co., Ltd. | Method and apparatus for identifying individuals |
US7961952B2 (en) * | 2007-09-27 | 2011-06-14 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for detecting and tracking objects in images |
CN107067018A (zh) * | 2016-12-09 | 2017-08-18 | 南京理工大学 | 一种基于随机Hough变换和SVM的带电作业机器人螺栓识别方法 |
-
2018
- 2018-08-16 CN CN201810934979.8A patent/CN109086734B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774863A (zh) * | 2016-12-03 | 2017-05-31 | 西安中科创星科技孵化器有限公司 | 一种基于瞳孔特征实现视线追踪的方法 |
CN108197622A (zh) * | 2017-12-26 | 2018-06-22 | 新智数字科技有限公司 | 一种车牌检测方法、装置以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109086734A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN109086691B (zh) | 一种三维脸部活体检测方法、脸部认证识别方法及装置 | |
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
CN108256404B (zh) | 行人检测方法和装置 | |
CN108932456B (zh) | 人脸识别方法、装置和***及存储介质 | |
JP2019079553A (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
US20190156499A1 (en) | Detection of humans in images using depth information | |
US20190011263A1 (en) | Method and apparatus for determining spacecraft attitude by tracking stars | |
CN112016475B (zh) | 一种人体检测识别方法和装置 | |
CN109840883B (zh) | 一种训练物体识别神经网络的方法、装置及计算设备 | |
US11210502B2 (en) | Comparison method and apparatus based on a plurality of face image frames and electronic device | |
CN111104925B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
US20180168446A1 (en) | Method of detecting boundary between iris and sclera | |
CN109102026B (zh) | 一种车辆图像检测方法、装置及*** | |
US11036967B2 (en) | Method and device for face selection, recognition and comparison | |
CN113505682A (zh) | 活体检测方法及装置 | |
CN112634201A (zh) | 目标检测方法、装置和电子设备 | |
CN109614858B (zh) | 一种瞳孔中心的检测方法和装置 | |
CN108289176B (zh) | 一种拍照搜题方法、搜题装置及终端设备 | |
CN109145821B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
KR20220098309A (ko) | 대상 검출 방법, 장치 및 전자 디바이스 | |
CN111476132A (zh) | 视频场景识别方法、装置及电子设备、存储介质 | |
CN112949526B (zh) | 人脸检测方法和装置 | |
CN110782425A (zh) | 图像处理方法、图像处理装置和电子设备 | |
CN114998283A (zh) | 一种镜头遮挡物检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |